病种分类方法在医保中的应用研究

摘要

随着国内医保病种付费方式改革的稳步推进,疾病种类的准确规范成为医保事业中亟待解决的问题,也是新医改顺利进行的关键环节.目前存在的最大难题是医院的病种名称和疾病编码不规范,对应关系混乱.因此,提出一种算法组合的疾病种类预测模型.首先对住院病案首页数据作质量检测和清洗等预处理,然后通过过采样和加大敏感数据权重等方法生成数据集以解决病种类别不均衡和代价敏感问题;采用自然语言处理技术对数据集进行中文分词并映射到向量空间,计算文本相似度筛选病组,以SVM和Text CNN组合成病种预测模型,在不同样本量的数据集上进行模型实验并分析结果.随后采用2012年至2018年30多万份阑尾炎患者的病案首页数据进行实验,结果表明SVM适合少见的样本量小的病种模型,其有效且稳定,Text CNN适合常见的样本量较大的病种模型其精确度高.最后就该领域存在的问题和发展方向进行说明.